专利交易市场

本发明公开了一种基于多尺度特征提取的群体行为识别方法，对采集的传感器数据进行预处理，预处理后的传感器数据通过多尺度特征提取模块得到个体精炼特征，然后将个体精炼特征输入交互关系提取模块捕获个体间的交互关系，得到精炼特征向量；最后通过子群基数预测模块提取精炼特征向量中的子群数量，并构建精炼特征向量的特征邻接矩阵，输入到图谱聚类模块中进行子群划分，并生成子群的全局特征，然后通过群体行为分类器得到识别结果。本发明对传感器数据的个体特征和关系特征进行挖掘和提取，增强了模型的泛化能力，提高了群体行为识别的鲁棒性和准确性，实现了模型对群体行为的有效识别。

本发明公开了一种基于多任务自监督框架的群体行为识别方法和装置，首先构建包括个体特征提取模块、Transformer编码器和任务头的第一网络模型，采用第一训练数据集训练第一网络模型，计算各个任务头所对应的损失，完成第一网络模型的训练。然后构建包括个体特征提取模块、Transformer编码器、全局特征补充模块和推理模块的第二网络模型，冻结Transformer编码器的参数，采用第二训练数据集训练第二网络模型。然后将采集的个体行为数据输入训练好的第二网络模型，得到群体行为识别结果。本发明显著降低了计算复杂度，提升了自监督条件下群体分割和行为识别的准确性和鲁棒性。

本申请公开了一种基于数据融合的铁路检修群体行为识别方法及系统，属于群体行为识别技术领域；其中方法包括：对铁路检修监控视频的RGB数据进行特征处理，得到多个不同层级的提取特征，通过多尺度局部特征融合网络和时空注意力网络处理，以得到RGB时空注意力特征；获取RGB数据的坐标分支输出特征，将坐标分支输出特征与RGB时空注意力特征进行融合得到RGB目标特征；获取关键点数据中，对关键点数据进行处理得到关键点目标特征；最后，将RGB目标特征和关键点目标特征进行融合，得到识别特征；通过提取并融合不同尺度的关键特征，提高在铁路检修监控视频中复杂场景下群体行为识别的准确性和鲁棒性。

本发明属于图像识别领域，提出了一种基于多模态群体行为识别技术的交互行为识别方法及系统，通过设计一种多模态群体行为识别网络，包括图像分支子网络、文本分支子网络和关键点分支子网络，分别进行多模态特征处理，以避免通过单一模态信息进行识别时，由于群体间的交互行为和复杂的交互环境的因素，造成识别精度较低的问题，进一步符合实际检修情况，提高了整体识别的精度，又通过轻量化设计，提高了识别的效率，再进行群体之间和群体与交互目标之间的关系和交互增强，进一步的提高了识别的精度，避免了因为遮挡重叠造成的识别障碍，本发明提高了群体目标交互行为的识别准确性和效率。